基于圖像處理的電極邊緣檢測方法研究

1、基于圖像處理的微細(xì)電火花加工中電極邊緣檢測方法研究1 概述隨著對產(chǎn)品的日益小型化和微型化的不斷要求，微細(xì)加工技術(shù)得到 了迅速發(fā)展，作為微細(xì)加工技術(shù)之一的微細(xì)電火花加工技術(shù)也逐漸引起人們的重視，其具有非接觸加工、容易實現(xiàn)高深寬比、微三維結(jié)構(gòu)加工的特點，可以預(yù)計未來必將得到更加廣泛的應(yīng)用。在微細(xì)電火花加工中，工具電極的制作與檢測技術(shù)是一個難點，已成為影響微細(xì)制造技術(shù)實用化的關(guān)鍵技術(shù)之一。目前在電極的磨損檢測方面主要通過在線電接觸探測法進行探測，其測量方法是首先在標(biāo)準(zhǔn)塊上定位某一參考點，在5V的探測電壓下對刀具進行探測，記錄探測前后兩次坐標(biāo)位置Z1與Z2，Z1與Z2的差值即為刀具長度的磨損量。1探測

2、+ 電壓圖1 刀具長度磨損測量電火花的離線測量方法是將電極取下來，然后用測量工具如（掃描電鏡等）進行測量。這種測量方法無法實現(xiàn)在線測量，測量完后再次裝到加工設(shè)備上時，存在一定的裝夾誤差，影響加工精度。此外還有人2提出一種測量方法，先找一個直徑是已知并固定不變的檢測標(biāo)準(zhǔn)棒的，利用接觸感知分別去感知標(biāo)準(zhǔn)棒的兩邊，并記下感知時的坐標(biāo)，然后根據(jù)記下的坐標(biāo)就可以計算出電極的直徑大小。數(shù)字圖像處理是隨著計算機技術(shù)的發(fā)展而發(fā)展起來的，目前已經(jīng)得到了廣泛應(yīng)用，將數(shù)字圖像處理技術(shù)應(yīng)用到電極檢測上，可以實現(xiàn)在線測量，同時可以進行連續(xù)不間斷的測量。郭銳等人3構(gòu)建了微細(xì)電極的在線測量系統(tǒng)，利用數(shù)字圖像處理技術(shù)獲取輪廓

3、邊緣，在線觀察微細(xì)電極的狀態(tài)以及在線測量微細(xì)電極的尺寸，測量結(jié)果與掃描電鏡的離線測量值的相對誤差在5%以內(nèi)。用圖像處理技術(shù)測量電極的過程中，電極邊緣的檢測提取是一個重要內(nèi)容，能否檢測提取出清晰完整的輪廓，關(guān)系到后面測量的精度，因此本文將重點研究電極邊緣的檢測提取。2 幾種經(jīng)典的邊緣檢測算子及特點4-6邊緣檢測是用邊緣點勾畫出各個對象的輪廓，從而分析圖像是否含有某些需要識別的目標(biāo)。邊緣檢測的目的就是要突出圖像的邊緣以便提取圖像特征。由于邊緣檢測很難形成一個閉合的邊緣，有時也邊緣檢測稱為邊緣增強。通過邊緣增強處理，圖像中除邊緣以外的部分被削弱或消除，因此邊緣檢測在計算機視覺處理方面有著重要的應(yīng)用。

4、如果一個像素落在圖像中某一個物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€灰度級的變化帶。對這種變化最有用的兩個特征是灰度的變化率和方向，它們分別以梯度向量的幅度和方向來表示。由于邊緣點一般位于圖像中灰度值變化劇烈的位置，即灰度值導(dǎo)數(shù)較大或極大的地方，所以經(jīng)典的邊緣提取方法是考察圖像的每個像素在某個領(lǐng)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)的變化規(guī)律來檢測邊緣，這種方法稱為邊緣檢測局部算子法。成熟的邊緣檢測算子有許多，下面將主要介紹Roberts算子、Sobel算子、Prewitt算子、Krisch，Canny算子這四種邊緣檢測算子。2.1 Roberts邊緣檢測算子Roberts邊緣算子是一種斜

5、向偏差分的梯度計算方法，梯度的大小代表邊緣的強度，梯度的方向與邊緣走向垂直。該算子通常由下列計算公式表示：f x,y = + 1 2 （1）f x,y 是具有整數(shù)像素坐標(biāo)的輸入圖像，平方根運算使該處理類似于在人類視覺系統(tǒng)中發(fā)生的過程，Roberts操作實際上是示旋轉(zhuǎn)±45度兩個方向上微分值的和。Robert算子是基于對角方向相鄰像素梯度的算子，它對具有陡峭的低噪聲圖像效果較好。2.2 Sobel邊緣檢測算子Sobel算子是一組方向算子，從不同的方向檢測邊緣。Sobel算子不是簡單求平均再差分，而是加強了中心像素上下左右四個方向像素的權(quán)重，運算結(jié)果是一幅邊緣圖像。該算子通常由下列計算公

6、式表示： fxx,y =f x1,y+1 +2f x,y+1 +f x+1,y+1 f x1,y1 2f x,y1 f(x+1,y1) （2） fyx,y =f x1,y1 +2f x1,y +f x1,y+1 f x+1,y1 2f x+1,y f(x+1,y+1) （3） x,y +|f x,y | （4）G f x,y = fx y x,y 、 f x,y 分別表示x方向和y方向的一階微分，式中fx G f x,y 為Sobel算子的梯y度，f x,y 是具有整數(shù)像素坐標(biāo)的輸入圖像。求出梯度后，可設(shè)定一個常數(shù)T，當(dāng) G f x,y >T時，標(biāo)出該點為邊界點，其像素值設(shè)定為0，其它的

7、設(shè)定為255，適當(dāng)調(diào)整常數(shù)T的大小來達(dá)到最佳效果。Sobel算子可以產(chǎn)生較好的邊緣效果，而且對噪聲具有平滑作用，減小了對噪聲的敏感作用。但是也能檢測出一些偽邊緣，從而使邊緣較粗，降低了檢測定位精度。2.3 Prewitt邊緣檢測算子Prewitt邊緣算子是一種邊緣樣板算子，利用像素點上下、左右鄰點灰度差，在邊緣處達(dá)到極值檢測邊緣，對噪聲具有平滑作用。由于邊緣點像素的灰度值與領(lǐng)域點像素的灰度值有顯著不同，在實際應(yīng)用中通常采用微分算子和模板匹配方法檢測圖像的邊緣。該算子通常由下列計算公式表示： x,y =f x+1,y1 f x1,y1 +f x+1,y f x1,y +f x+1,y+1 fxf

8、(x1,y+1) （5） x,y =f x1,y+1 f x1,y1 +f x,y+1 f x,y1 +f x+1,y+1 fyf(x+1,y1) （6）2 x,y +f2 x,y （7）G f x,y = fx y x,y 、f x,y 分別表示x方向和y方向的一階微分，G f x,y 為Prewitt算子的式中 fxy梯度，f x,y 是具有整數(shù)像素坐標(biāo)的輸入圖像。求出梯度后，可設(shè)定一個常數(shù)T，當(dāng)722G f x,y >T時，標(biāo)出該點為邊界點，其像素值設(shè)定為0，其它的設(shè)定為255，適當(dāng)調(diào)整常數(shù)T的大小來達(dá)到最佳效果。Prewitt算子不僅能檢測邊緣點，而且能抑制噪聲的影響，因此對灰度

9、和噪聲較多的圖像處理得較好。2.4 高斯拉普拉斯算子拉普拉斯算子是一種微分算子，可以對二維函數(shù)進行運算的二階導(dǎo)數(shù)算子。由于拉普拉斯算子是一個二階導(dǎo)數(shù)，它將在邊緣處產(chǎn)生一個陡峭的零交叉。拉普拉斯邊緣增強是一種各向同性的邊緣增強方法，它所產(chǎn)生的邊緣銳化程度一般大于其他方法所生產(chǎn)的銳化程度。由于噪聲點對邊沿檢測有一定的影響，所以高斯一拉普拉斯算子是效果較好的邊沿檢測器。它把高斯平滑濾波器和拉普拉斯銳化器結(jié)合了起來，先平滑掉噪聲，再進行邊沿檢測，所以效果更好。2.5 Canny邊緣算子Canny算子是一類最優(yōu)邊緣檢測算子，它在許多圖像處理領(lǐng)域得到了廣泛應(yīng)用。Canny考核邊緣檢測算子的指標(biāo)是：（1）低

10、誤判率，即盡可能地把邊緣點認(rèn)為是非邊緣點。（2）高定位精度，即準(zhǔn)確地把邊緣點定位在灰度變化最大的像素上。（3）抑制虛假邊緣。Canny從這三項指標(biāo)出發(fā)，推導(dǎo)出了最佳邊緣檢測算子Canny邊緣算子?；舅枷胧牵合葘μ幚淼膱D像選擇一定的Gauss濾波器進行平滑濾波，抑制圖像噪聲；然后采用一種稱之為“非極值抑制”的技術(shù)，細(xì)化平滑后的圖像梯度幅值矩陣，尋找圖像中的可能邊緣點；最后利用雙門限檢測通過雙閾值遞歸尋找圖像邊緣點，實現(xiàn)邊緣提取。3 空域濾波增強8一幅圖像在應(yīng)用過程中肯定存在各種噪聲，這些噪聲可能來自圖像采集、量化等過程，也可能產(chǎn)生于圖像傳送過程，具有離散性和隨機性等特點。濾波的作用就是消除這些

11、噪聲的影響，一個較好的濾波方法應(yīng)該既能消除這些噪聲，又不使圖像的邊緣輪廓和線條變模糊。使用空域模板進行的濾波處理被稱為空域濾波?？沼驗V波的機理就是在待處理的圖像中逐點地移動模板，濾波器在該點的響應(yīng)通過事先定義的濾波器系數(shù)與濾波模板掃過區(qū)域的相應(yīng)像素值的關(guān)系來計算。模板本身被稱為空域濾波器?？沼驗V波器包括：線性濾波器和非線性濾波器。下面介紹下這兩種濾波器。3.1 線性濾波線性濾波主要采用的是鄰域平均法，可以有效的去除高斯噪聲。鄰域平均法的主要思想是用幾個像素灰度的平均值來代替某個像素。鄰域平均法圖像平滑處理的數(shù)學(xué)表達(dá)式為：g x,y =1M (m,n)Sf(xm,yn) （8）其中：M為領(lǐng)域S內(nèi)

12、所包含的像素總數(shù)；S為事先確定的領(lǐng)域。鄰域平均法算法簡單，計算速度快，對噪聲的抑制是有效的，但是隨著鄰域的擴大，圖像的模糊程度也會愈加嚴(yán)重。3.2 中值濾波中值濾波器也叫最大值濾波器和最小值濾波器。是一種非線性平滑濾波器，其濾波原理與均值濾波原理類似，二者的不同之處在于：中值濾波器的輸出像素值是有鄰域像素的中間值而不是平均值決定的。它是把數(shù)字圖像或數(shù)字序列中某一點的值用該點的一個領(lǐng)域中各點值的中值交換。中值對極限像素值遠(yuǎn)不如平均值那么敏感，所以中值濾波器產(chǎn)生的模糊較少，更適合于消除圖像的孤立噪聲點。4 基于圖像處理的電極邊緣檢測4.1 檢測算子的選擇通過以上幾種邊緣檢測算子的簡單介紹，可以看出

13、Canny邊緣算子具有低誤差率，高定位精度，能抑制虛假邊緣等特點，是一類最優(yōu)的邊緣檢測算子，因此為了得到比較好的檢測結(jié)果，我們采用Canny邊緣檢測算子來對電極進行邊緣檢測研究。4.2 濾波器的選擇通過對Canny邊緣檢測算子的介紹，可以知道Canny算子在檢測圖像邊緣時，會先對處理的圖像選擇一定的Gauss濾波器進行平滑濾波，抑制圖像噪聲。所以我們利用Canny自帶濾波器進行濾波，不用再親自選擇濾波器。4.3 電極圖像邊緣檢測的實現(xiàn)通常在邊緣檢測過程中，應(yīng)先對要處理的圖像進行去噪聲處理，但是Canny邊緣算子里包括了Gauss濾波器，在用Canny邊緣算子檢測邊緣時，算子會對處理的圖像選擇一

14、定的Gauss濾波器進行平滑濾波，因此我們不需要對圖像再進行濾波。根據(jù)上文所述的Canny邊緣檢測方法，可以編程對電極圖像進行邊緣提取。Canny算法流程圖如下所示：圖2 Canny算法流程圖5 結(jié)果分析文中涉及的圖像處理結(jié)果都是在Windows XP平臺下使matlab軟件進行圖像處理的結(jié)果。針對采集到的圖像（如圖3），首先將其轉(zhuǎn)換為灰度圖像，轉(zhuǎn)換的依據(jù)是美國國家電視制式委員會(NTSC)建立的灰度Y與R, G, B3個分量的關(guān)系Y=0.3R+0.59G+0.11B。圖4是轉(zhuǎn)換后的灰度圖像。圖5是進行邊緣檢測并進行反色處理后的最終結(jié)果。圖3 原圖像圖4 轉(zhuǎn)換后的灰度圖像圖5 邊緣檢測并進行反

15、色處理后圖像從圖5中可以看出，雖然電極的輪廓比較完整，但是周圍的雜點特別多，完整的邊界仍然很難提取出來，影響后續(xù)的處理。造成這個結(jié)果的原因可能是Canny算法默認(rèn)的閾值不太合適，為此我們想到利用圖像分割技術(shù)中的閾值分割法，對圖像進行預(yù)處理，通過設(shè)定特征閾值，把圖像像素點分為兩類，即目標(biāo)和背景。一般意義下閾值運算可以看作是對圖像中某點的灰度、該點的某種局部特性以及該點在圖像中的位置的一種函數(shù)，這種閾值函數(shù)可以記作：T(x,y,N x,y ,f x,y )式中f x,y 是點 x,y 的灰度值；N x,y 是點 x,y 的局部鄰域特性。根據(jù)對T的不同約束，可以得到3種不同類型的閾值：全局閾值，局部

16、閾值，動態(tài)閾值。閾值分割方法基于對灰度圖像的一種假設(shè)：目標(biāo)或背景內(nèi)的相鄰像素間的灰度值是相似的，但不同目標(biāo)或背景的像素在灰度上有差異，反映在圖像直方圖上，不同目標(biāo)和背景對應(yīng)不同的峰。選取的閾值應(yīng)位于兩個峰之間的谷，從而將各個峰分開。閾值的選擇方法有人工選擇法、自動閾值法、迭代式閾值選擇9。在這里我們選擇自動閾值法。自動閾值法通常使用灰度直方圖來分析圖像中灰度值的分布，結(jié)合特定的應(yīng)用領(lǐng)域知識來選取最合適的閾值。圖6是經(jīng)過自動閾值法處理后的電極圖像，圖7是圖6反色處理后的圖像。在圖7的基礎(chǔ)上，再運用Canny方法檢測圖像的邊緣，經(jīng)反色處理得到圖8圖6 原圖經(jīng)自動閾值選擇法處理后的圖像圖7 反色處理

17、后圖像圖8 進行邊緣檢測后的圖像閾值處理得到的效果要好的多。 比較圖5和圖8，可以看出經(jīng)過閾值處理后再進行Canny邊緣提取得到的效果比沒有進行6 結(jié)束語本文在比較了各種邊緣算子優(yōu)缺點后，選擇了Canny算子對電極圖像進行邊緣檢測。同時簡單介紹了兩種空域濾波增強技術(shù)即均值濾波器和中值濾波器，因為Canny算子有對圖像進行濾波的功能，所以直接使用了其自帶濾波器進行濾波。用Canny算子對圖像進行邊緣檢測后，發(fā)現(xiàn)效果不太理想，存在許多雜點，會影響后續(xù)的處理加工。為此我們利用圖像分割技術(shù)中的閾值分割法，對圖像進行預(yù)處理，通過設(shè)定特征閾值，把圖像像素點分為兩類，即目標(biāo)和背景。經(jīng)過這樣的預(yù)處理后，再進行

18、邊緣檢測，發(fā)現(xiàn)效果要好的多，輪廓更加完整清晰，周圍的雜點大大減少。大大方便了后續(xù)的輪廓邊緣提取，有利于進行直徑長度的測量等工作。參考文獻(xiàn)1 吳濤.陶瓷微細(xì)結(jié)構(gòu)的生坯加工方法研究.大連理工大學(xué)碩士學(xué)位論文.2010:49-512 張勇，王振龍等.微細(xì)電火花加工中微細(xì)電極的制作與檢測技術(shù)研究J.制造技術(shù)與機床，2004，8：96-1013 郭銳，趙萬生等. 微細(xì)電火花加工的微細(xì)電極在線檢測. 光學(xué)精密工程.2006,14(6):999-10034 張小琳. 圖像邊緣檢測技術(shù)綜述 J . 高能量密度物理, 2007, (1) : 37- 40.5 馬艷, 張治輝. 幾種邊緣檢測算子的比較 J . 工礦自動化,2004( 2) : 54- 56.6 Djemel Ziou , Salvatore Tabbone.Edge detection Techniques-An OverviewJ. International Journal of Pattern Recognition and Image Analysis.1998,8(195):537-5597 Amato